Mơ hình có sai số khơng tn theo phân phối chuẩn.
Cách khắc phục:
Thơng thường khi mơ hình mắc khuyết tật nhiễu khơng phân phối chuẩn thì cần tăng kích thước của mẫu số liệu để khắc phục. Tuy nhiên, trong trường hợp này số quan sát đủ lớn (125) nên có thể coi kết quả kiểm định là đáng tin cậy.
Mơ hình có sai số tn theo phân phối chuẩn.
2.5. Kiểm định phương sai sai số thay đổi
Xét cặp giả thiết: với α = 0,05
Tiến hành kiểm định White, ta thu được kết quả như sau: Prob > chi2 = 0.0040 < α = 0,05
Bác bỏ H0, chấp nhận H1
Mơ hình có phương sai sai số thay đổi
Cách khắc phục: Sử dụng các sai số chuẩn mạnh (Robust standard errors)
Mơ hình tồn tại hiện tượng phương sai thay đổi vẫn cho các hệ số ước lượng tin cậy nhưng các sai số chuẩn của hệ số khơng cịn là nhỏ nhất. Kéo theo các sai số chuẩn này là các giá trị thống kê t (được tính bằng tỷ số của hệ số ước lượng và sai số chuẩn tương ứng) giảm đi hoặc mất ý nghĩa thống kê. Việc nới lỏng một số tính chất BLUE, ở đây là sai số tối thiểu, sẽ giúp ước lượng OLS cho kết quả tốt hơn về các sai số chuẩn. Ý nghĩa của Robust standard errors chính là cởi bỏ ràng buộc tối thiểu sai số của OLS và đưa các sai số này về giá trị thật của nó. Phương pháp này sẽ phù hợp khi mơ hình có cỡ mẫu đủ lớn.
F(5, 119) = 26.76 P-value = 0.0000 R2 = 0.3919
SSTC của đường hồi quy = 2.0921 Robust
gdp Hệ số hồi quy
Sai số tiêu chuẩn
(se) t P-value Khoảng tin cậy
fdi .1348716 .0672059 2.01 0.047 .0017973 .267946
unem -.1119305 .0769238 -1.46 0.148 -.2642473 .0403863
pop 1.85e-09 4.94e-10 3.74 0.000 8.71e-10 2.83e-09
gov -.2032695 .0404898 -5.02 0.000 -.2834433 -.1230956 inf -.1033537 .0272855 -3.79 0.000 -.1573818 -.0493257 _cons 7.314.857 .6438841 11.36 0.000 6.039.902 8.589.812